論文の概要: Deep Transfer Learning for Identifications of Slope Surface Cracks
- arxiv url: http://arxiv.org/abs/2108.04235v1
- Date: Sun, 8 Aug 2021 06:45:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-12 02:44:20.938168
- Title: Deep Transfer Learning for Identifications of Slope Surface Cracks
- Title(参考訳): 傾斜き裂の同定のための深部移動学習
- Authors: Yuting Yang, Gang Mei
- Abstract要約: 本稿では,傾斜面のひび割れを効果的かつ効率的に識別するディープトランスファー学習フレームワークを提案する。
提案手法は, 地すべりのモニタリングと早期警報を実現するため, 高温斜面でのUAV調査に応用できる。
- 参考スコア(独自算出の注目度): 3.080938452578139
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Geohazards such as landslides have caused great losses to the safety of
people's lives and property, which is often accompanied with surface cracks. If
such surface cracks could be identified in time, it is of great significance
for the monitoring and early warning of geohazards. Currently, the most common
method for crack identification is manual detection, which is with low
efficiency and accuracy. In this paper, a deep transfer learning framework is
proposed to effectively and efficiently identify slope surface cracks for the
sake of fast monitoring and early warning of geohazards such as landslides. The
essential idea is to employ transfer learning by training (a) the large sample
dataset of concrete cracks and (b) the small sample dataset of soil and rock
masses cracks. In the proposed framework, (1) pretrained cracks identification
models are constructed based on the large sample dataset of concrete cracks;
(2) refined cracks identification models are further constructed based on the
small sample dataset of soil and rock masses cracks. The proposed framework
could be applied to conduct UAV surveys on high-steep slopes to realize the
monitoring and early warning of landslides to ensure the safety of people's
lives and property.
- Abstract(参考訳): 地すべりなどのジオハザードは人々の生活や財産の安全性に大きな損失をもたらし、表面の亀裂を伴うことが多い。
このような表面き裂が時間内に特定できれば、ジオハザードの監視と早期警戒にとって非常に重要である。
現在、亀裂同定の最も一般的な方法は手動検出であり、効率と精度は低い。
本稿では, 地すべり等の地すべりの早期警戒とモニタリングのために, 傾斜面亀裂を効果的かつ効率的に検出する深層移動学習フレームワークを提案する。
基本的な考え方は, (a) コンクリートのひび割れの大きなサンプルデータセット, (b) 土と岩の塊き裂の小さなサンプルデータセットを用いて移動学習を行うことである。
提案手法では,(1)コンクリートのひび割れの大規模サンプルデータセットに基づいて事前訓練されたひび割れ同定モデルを構築し,(2)土壌および岩塊ひび割れの小規模サンプルデータセットに基づいて改良されたひび割れ識別モデルを構築する。
提案手法は, 地すべりのモニタリングと早期警戒を実現し, 人々の生活と財産の安全を確保するために, 高地すべり斜面のuav調査を行うことができる。
関連論文リスト
- Application of Segment Anything Model for Civil Infrastructure Defect Assessment [0.15077212427453812]
本研究では,コンクリート構造物のひび割れ検出のための2つの深層学習モデルSAMとU-Netの性能評価を行う。
その結果, それぞれのモデルには, 異なる種類のひび割れを検知する独自の強度と限界があることが示唆された。
論文 参考訳(メタデータ) (2023-04-25T06:17:44Z) - Beyond the Prior Forgery Knowledge: Mining Critical Clues for General
Face Forgery Detection [61.74632676703288]
本稿では,様々なバックボーンを柔軟に組立てて一般化と性能を向上させる,新しいクリティカルフォージェリーマイニングフレームワークを提案する。
具体的には,まず,従来の知識に依存しないデータ拡張を通じて,細粒度三重項を構築し,特定の偽の痕跡を抑える。
そこで我々は,例えば,局所的類似性を意識した損失を通じて,偽造の重要情報をマイニングする,きめ細かな関係学習プロトタイプを提案する。
論文 参考訳(メタデータ) (2023-04-24T23:02:27Z) - Automated crack propagation measurement on asphalt concrete specimens
using an optical flow-based deep neural network [0.0]
本稿では,アスファルトコンクリート(AC)試料のひび割れ伝播を測定するディープニューラルネットワーク,すなわちCrackPropNetを提案する。
CrackPropNetは、参照画像とデフォルメ画像の様々な場所で特徴を一致させて、変位場不連続の位置を学習する。
ひび割れ現象の特徴付け、交流き裂ポテンシャルの評価、試験プロトコルの検証、理論モデルの検証に応用できる。
論文 参考訳(メタデータ) (2023-03-10T14:45:37Z) - An evaluation of deep learning models for predicting water depth
evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。
深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。
その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文 参考訳(メタデータ) (2023-02-20T16:08:54Z) - Embedding Earth: Self-supervised contrastive pre-training for dense land
cover classification [61.44538721707377]
本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。
提案手法による事前学習では, 25%の絶対mIoUが得られた。
学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
論文 参考訳(メタデータ) (2022-03-11T16:14:14Z) - PointCrack3D: Crack Detection in Unstructured Environments using a
3D-Point-Cloud-Based Deep Neural Network [20.330700719146215]
本稿では,非構造面に対する新しい3Dポイント・クラウド・ベースのき裂検出アルゴリズムであるPointCrack3Dを提案する。
この手法は、新しい大きな天然岩のデータセットで実験的に検証された。
その結果, ひび割れ検出率は全体の97%, ひび割れの100%であり, 最大幅は3cm以上であった。
論文 参考訳(メタデータ) (2021-11-23T02:33:18Z) - Crack detection using tap-testing and machine learning techniques to
prevent potential rockfall incidents [68.8204255655161]
本稿では,岩盤の自動探傷システムを提案する。
ロボットは、岩面を何度も打ったり、タップしたりするのに使用される。
音はロボットによって収集され、壊れやすい岩を識別する意図で分類される。
論文 参考訳(メタデータ) (2021-10-10T22:53:36Z) - Advances in deep learning methods for pavement surface crack detection
and identification with visible light visual images [0.0]
工学構造における亀裂のNDTおよび健康モニタリング法と比較して、可視光画像に基づく表面亀裂検出または識別は非接触である。
本稿では,舗装き裂公開データセットを包括的に要約し,組込みプラットフォームにおける表面き裂検出および識別深層学習手法の性能と有効性について述べる。
論文 参考訳(メタデータ) (2020-12-29T11:10:12Z) - An Efficient and Scalable Deep Learning Approach for Road Damage
Detection [0.0]
本稿では,画像に基づく苦難データをリアルタイムに分析するためのディープラーニングに基づくサーベイ手法を提案する。
縦ひび割れ,横ひび割れ,アリゲーターひび割れなど,ひび割れの多種多様な種類からなるデータベースを用いる。
提案されたモデルでは、F1スコアは52%から56%まで、平均推測時間は毎秒178-10枚だった。
論文 参考訳(メタデータ) (2020-11-18T23:05:41Z) - Deep Spatial Gradient and Temporal Depth Learning for Face Anti-spoofing [61.82466976737915]
深層学習は、顔の反偽造の最も効果的な方法の1つとして証明されている。
2つの洞察に基づいて,複数フレームからの提示攻撃を検出する新しい手法を提案する。
提案手法は,5つのベンチマークデータセットの最先端結果を実現する。
論文 参考訳(メタデータ) (2020-03-18T06:11:20Z) - Temporal Sparse Adversarial Attack on Sequence-based Gait Recognition [56.844587127848854]
このような攻撃に対して,最先端の歩行認識モデルが脆弱であることを示す。
生成した対向ネットワークに基づくアーキテクチャを用いて、対向的な高品質な歩行シルエットやビデオフレームを意味的に生成する。
実験結果から, フレームの1分の1しか攻撃されない場合, 対象モデルの精度は劇的に低下することがわかった。
論文 参考訳(メタデータ) (2020-02-22T10:08:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。